大型语言模型驱动的对话系统中增加领域可迁移性的澄清问题引入技巧改进
原文中文,约200字,阅读约需1分钟。发表于: 。基于 LLM 的澄清策略具有范领域迅速转化的能力,但在未知领域上表现不佳,我们引入一种名为 Style 的新方法,实现了有效的领域迁移,实验结果表明 Style 在四个未知领域上平均搜索性能提升了约 10%。
我们提出了一个任务无关的框架来解决模型中的歧义,通过询问用户澄清问题并获得新信息。方法在确定何时需要澄清、确定澄清问题以及估计模型不确定性方面取得显著成果。方法优于现有不确定性估计方法,使系统在仅允许在10%的示例上进行澄清时性能提升两倍。